仿生学习和适应复杂系统的优化和控制

---

学习和适应发挥重要作用在解决许多科学和工程问题,包括人工智能、控制工程,许多多学科主题。在这方面,一系列的仿生方法,如强化学习、共同进化学习,和近似动态规划以及群演进,提供必要的理论工具解决各种优化和控制问题。这刺激了巨大的研究兴趣和发展学习和适应。这个特殊的问题旨在提供一个特定的机会回顾最近新兴和交叉学科领域的最先进的仿生学习和适应。在这个特殊的问题,我们召集人员目前的最新进展,新颖的研究方法和广泛的潜在的研究主题。

这个特殊的问题已经非常成功。我们吸引了超过100的提交,之后彻底的同行评审过程,超过50个论文被接受发表。这些论文封面重要的研究主题在学习和适应优化和控制,包括微分进化神经网络自适应控制,系统建模、识别,特别强调申请机器人、无人机、自主车辆,等等。我们相信最初的论文收集在这个特殊的问题凸显了新兴和先进的研究主题相关的学习和适应,并将向读者介绍这一领域的最新进展。然而,由于大量的论文发表在这个特殊的问题,这显然是不可能审查所有论文这篇社论。这里只提到一些强调论文,我们指的是特殊的问题更多的细节。

进化算法已被证明是一种有效的方法解决优化问题。y玉等人提出了一个简单而高效multipopulation管理策略动态调整分组人口数量在整个进化的不同阶段。通过确定分组人口数量,这个方法保持种群多样性和增强了探索能力。w·英等人提出一种有效的锥形区域微分进化算法(凯德),有偏见的分解和双种群为约束优化借贷锥分解多目标优化的概念。b .王等人解决建筑物能源改造维修计划优化问题与一个新颖的基于多尺度的微分进化算法。b .许等人提出了一个基于多策略的多目标微分进化化学过程的最优控制。彭x和y吴调查基于选择性多个人口(SMP)合作共同进化(CC),选择。,CC-SMP, to enhance the cooperation of subproblems by addressing two challenges: finding informative collaborators whose fitness and diversity are qualified and adapting to the dynamic landscape.

神经网络(NN)已经被广泛采用在学习和适应解决优化和控制问题在过去几十年。在这个领域,美国许等人介绍了非线性自回归神经网络来解决老龄化的功率损耗预测问题特征为并联功率模块以及状态监测。k .梁等人提出了一个卷积递归神经网络故障诊断的高速列车转向架,林和c等人采用了递归神经网络来实现障碍避免水下无人驾驶车辆。m .梁等人也用递归神经网络来解决优化问题的预测R245Fa流动沸腾传热在水平光滑管。x高和r .刘提出的多尺度切比雪夫神经网络识别和自适应控制系统与Backlash-Like滞后。

此外,仿生在线学习和适应已经纳入各种线性和非线性系统控制的设计,吸引了大量的研究者控制和自动化几十年来社区。在这个特殊的问题,m .广域网等人介绍了一种自适应滑模跟踪控制无人直升机自主的机制,在在线神经网络用于补偿不确定性。j .张等人研究了数据驱动的过热控制有机郎肯循环流程,量化误差最小的熵(QMEE)采用构造过热控制系统的性能指标。c .张等人提出了一个可重构控制方法基于级联活动的扰动抑制控制器(ADRC)盘旋平面垂直起飞和降落(PVTOL)飞机。w·魏也扩展的自抗扰控制器的抗干扰性和同步Morris-Lecar神经元和非线性系统。c .明等人还解决了速度控制吸气式的超音速汽车通过一个活跃的干扰抑制方案。c·杨等人提出了一个模范自由组合的柔性臂控制机制进一步调整自适应动态规划的原理来实现最优控制。最优控制为一个非线性boiler-turbine单元被认为是g .赵等人在他们的工作,提出了一种自适应消退伽辽金算法。同时,问:朱镕基等人提出了一个高效而简单的基于U-model控制范式对于复杂动态的理性系统使用新的U-model再形成。

学习和适应控制的实际应用设计一个主题在这个特殊的问题。这些应用程序包括机械系统、伺服系统、液压驱动,智能电网,多重代理系统,和超音速汽车,只是提到一些。在这个特殊的问题,t .曾庆红等人开发了一个自适应限定时间滑模控制双驱动系统在扰动观测器采用来处理不确定性。美国李等人提出了一个直接逆控制器的永磁同步电动机永磁同步电动机与径向基函数神经网络补偿器(时滞)大小。自适应鲁棒控制的想法进一步针对扰动补偿和主动隔振的赵等人在他们的论文中。r .呗,d .郭调查主动式悬吊系统的滑模控制配置了液压致动器。无人驾驶电动汽车的混合动力转向控制轮内马达被李y et al。解决,提出结合反向传播神经网络(摘要)和遗传算法(GA)来实现更好的响应。l . Xi等人研究了小说坐落智能电网自动发电控制方法通过发展生态人口合作机制控制。g .侯等人研究了模型预测控制的燃气轮机联合循环单元,一个模糊系统纳入控制合成。此外,头目共识可替换主体系统的控制研究工作由侯x和y . Liu,事件驱动的方案建议,只需要输出反馈。

最后,机器人系统的理论研究和应用也引起重大关注这个特殊的问题。j·吴等人研究了路径规划问题的空间机器人在轨检测、GA算法的思想,奇异值分解(计算),和阻尼最小二乘法(DLS)相结合来提高跟踪精度的漂浮基空间机器人6-degree-of-freedom。c .王等人提出了一个灵活的下肢外骨骼机器人建模方法,提出了一个深刻的运动模式识别的方法。c .王等人解决问题的地形自适应估计瞬时转动中心的跟踪机器人。高g等人研究了混合优化问题为一个工业机器人运动学参数识别和校准。在他们的工作,一个摘要采用粒子群优化(PSO)一起来达到增强性能。n .王等人提出了一个有效的方法探索肌肉疲劳的影响通过分析表面肌电图(表)信号在仿生机器人学习的框架方案。

所选论文的特殊问题无法详尽涵盖所有的最新进展仿生学习和适应复杂系统的优化和控制方法。然而,他们提供了一个很好的概述在这一领域的最先进的进展。我们希望这些高质量的论文可能丰富复杂的系统的知识社区,为读者提供有价值的洞察这一主题。

的利益冲突

作者宣称没有利益冲突。

确认

客人编辑要感谢和欣赏作者和评论家对这种特殊的成功的重大贡献的问题。

京娜
Zhile杨
Shyam Kamal
梁胡
文博王
周伊敏

版权

版权©2019京Na et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。